Jev模型在推出仅33天后迅速走红，随后陷入失望期，成为AI产业营销泡沫的典型案例。作为一款通用分类器，Jev虽然获得广泛关注，但其实际创新有限。该模型无需大量训练数据，却缺乏多模态和推理能力。
TypeSafe AI开发的AI模型Jev在9月15日发布数周后迅速走红，该公司完成8.7亿美元融资，估值达到75亿美元。本轮融资由Andreessen Horowitz领投，Sequoia和DCVC参投。
研究团队开发的Jev驱动诊断管道在自动化故障排查中展现出显著优势。该系统在21个SREGym-Lite故障场景的105次诊断中成功率达76.2%，中位诊断时间仅为14.6秒。与GPT-5.6 Sol (medium)的77.8%成功率相比，Jev诊断速度快约7倍，成本低约200倍。
研究人员对TypeSafe AI推出的分类器模型Jev的概率校准准确性进行了系统评估。该研究通过涵盖10种物理分布、采用5个提示模板、每个模板包含20种变化的1000个测试用例来衡量模型性能。评估结果显示，Jev的总变差（TV）评分为0.518，仅略优于完全随机猜测的0.546，而在均匀分布上的表现尤为糟糕，TV评分…
OpenAI CEO Sam Altman在Dev Day活动周二公布了Decisions API，这是一款能够为AI模型提供预定义选项分类的工具。该API在功能上与TypeSafe AI公司本月早些时候发布的Jev模型相似，可用于图像分类和代理行为选择。
TypeSafe AI发布了一款名为Jev的专有文本分类模型，声称在决策任务上的性能可与GPT-5.6 Luna相当，但具有更快的速度和更低的成本。该模型在IMDb电影评论数据集上的Choice API精度达到96.47%，Noul API精度为96.20%，完成评估的总成本约为0.65美元，运行时间约22至23分钟。
TypeSafe公司推出的通用分类器Jev声称采用强化学习校准决策（RLCD）训练方法，能够返回已校准的概率值。然而，分析认为这一说法在实际应用中存在重大问题。模型的校准性能不仅取决于模型本身，更依赖于数据分布的特征；即使同一模型在特定数据集上表现良好，也无法保证在用户实际数据上维持相同的校准效果。
由OpenAI前研究员Diogo Almeida创办的初创公司TypeSafe AI本周发布了一款名为Jev的新型AI模型。与传统大语言模型不同，Jev基于Transformer架构但不生成文本，而是输出校准概率，专门用于软件自动化任务。该模型因成本低、速度快且不会产生幻觉等特点获得开发者的广泛关注，甚至因需求过高一…